基于多视角几何的自监督三维人体姿态估计
计算机视觉与模式识别
2021-08-18 v1
摘要
我们提出一种基于多视角相机系统及每视角二维人体姿态估计的单人三维人体姿态自监督学习算法。为训练由深度神经网络表示的模型，我们提出一种四损失函数学习算法，其不需要任何二维或三维人体姿态真值。所提损失函数利用多视角几何重建三维人体姿态估计，并对跨相机视角的人体姿态施加约束。我们的方法在训练时利用所有可用相机视角，而推理时为单视角。在评估中，我们在 Human3.6M 和 HumanEva 基准上展示了有前景的性能，同时也给出了在 MPI-INF-3DHP 数据集上的泛化研究以及若干消融实验结果。总体而言，我们优于所有自监督学习方法，并取得了与有监督和弱监督学习方法相当的结果。我们的代码与模型已公开可用。
引用
@article{arxiv.2108.07777,
title = {Self-Supervised 3D Human Pose Estimation with Multiple-View Geometry},
author = {Arij Bouazizi and Julian Wiederer and Ulrich Kressel and Vasileios Belagiannis},
journal= {arXiv preprint arXiv:2108.07777},
year = {2021}
}
备注
Accepted for publication at FG 2021